ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS PARA UNA

347
ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS
PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES EMBARQUES
Andrés Bronfman C. y Pablo Miranda G.
Departamento de Ciencias de la Ingeniería, Universidad Andrés Bello
Código: 837-0149 Santiago, Chile.
Te!: (56 2) 661 8256; Fax (56 2) 661 8623
E-mail: [email protected]
Rodrigo Garrido H.
Departamento de Ingeniería de Transporte, Pontificia Universidad Catolica de Chile
Casilla 306, Santiago 22, cod. 105, Chile.
Te!: (56 2) 686 4270; Fax (56 2) 688 4818
E-mail: [email protected]
RESUMEN
La principal preocupación en el transporte de materiales peligrosos (MP) es minimizar el riesgo
de accidentes que impliquen múltiples fatalidades, evitando situaciones donde estén presentes los
factores de riesgo más peligrosos. En este contexto, la literatura relacionada al ruteo de MP se
centra principalmente en la identificación de las consecuencias esperadas y probabilidades
asociadas al transporte de una sola mercancía, entre un par origen-destino, dando paso a la
utilización de diferentes formulaciones basadas en el problema de ruta rrúnima. Sin embargo,
existen situaciones donde la consecuencia esperada total impuesta a la población, producto de
múltiples embarques de un MP, y la existencia de eventos de baja probabilidad y alta
consecuencia (BPAC) constituyen factores importantes al momento de seleccionar rutas para su
traslado, especialmente sobre zonas densamente pobladas. En este contexto, la representación a
través de un modelo de flujo de redes que incorpore eventos de BPAC es necesaria para asegurar
soluciones suficientemente razonables. Motivados en estas falencias, y en el estudio presentado
por Sherali et al. (1997) (donde se aborda la incorporación de eventos de BPAC para el envío de
un sólo embarque de un MP), el presente artículo considera el problema de traslado de múltiples
embarques de un MP como un modelo de flujo de redes considerando eventos de BPAC. Se
presentan dos formulaciones para este problema: una como extensión del Modelo de
Programación Fracciona! Lineal presentado en Sherali et al. (1997) y otra basada en una reformulación lineal del problema, perrnitiéndo una fuerte reducción de la complejidad en la
resolución. Un pequeño ejemplo es analizado, comparando los resultados de ambos modelos
(validando su equivalencia), y comparando estas soluciones con una equivalente a la entregada
por el modelo de Sherali et al. (1997), resultando en una reducción de la esperanza condicional
de la consecuencia de accidentes catastróficos y, por ende, la exposición total de la población a
los riesgos catastróficos asociados al transporte de MP. Lo anterior, en desmedro de un aumento
en el riesgo y probabilidad total de accidente, manteniendo éstos dentro de límites aceptables.
Actas del XII Congreso Chileno de Ingeniería de Transporte. Val paraíso, 17 al 21 de Octubre de 2005
348
1
Andrés Bronfman C., Pablo Miranda G., Rodrigo Garrido H.
INTRODUCCIÓN
Gran parte de la literatura que trata el ruteo de Materiales Peligrosos (MP) se centra en el
problema de transportar una sola mercancía entre un par origen-destino determinado. Aunque
algunos de los problemas logísticos encontrados en la práctica pueden descomponerse en un
conjunto de problemas con un sólo embarque, hay otros problemas donde el riesgo total impuesto
a la población constituye un factor importante en el proceso de selección de rutas para varios
embarques de un MP. Un ejemplo lo constituye la labor de una institución gubernamental al
definir rutas para embarques de MP en su jurisdicción. Adicionalmente, y pese a que los
enfoques presentados puedan variar en la manera de incorporar el riesgo, casi todos los estudios
se reducen a la formulación de un problema de ruta mínima. Sin embargo, a pesar de que el
problema de encontrar la ruta más corta es un caso especial del modelo de flujo de redes, este
último parece más apropiado para el problema de transporte de MP. En una revisión de la
literatura, Sivakumar et al. (1993) presentan un modelo para el transporte de MP identificando
una ruta que minimiza la consecuencia esperada, dado que ocurre un accidente (modelo de riesgo
condicional). El modelo permite el traslado sobre una ruta determinada hasta que ocurre el primer
accidente. En Sivakumar et al. (1995) se emplea una función objetivo que minimiza la
consecuencia esperada del primer accidente, y consideran la equidad en la distribución espacial
del riesgo entre las diversas zonas geográficas de la región estudiada. Su objetivo es encontrar un
camino que minimice el número esperado de fatalidades, dado que este número excede un cierto
umbral o que el cargamento cese después del primer accidente. Jin et al. (1996) y Jin y Batta
(1997) tratan diversas funciones objetivos basadas en la minimización de la consecuencia
esperada dado que se hará un número determinado de viajes, y dado un número máximo de
accidentes aceptados antes de que los envíos cesen. Finalmente Sherali et al. (1997) incorpora
eventos con Bajas Probabilidades y Altas Consecuencias (BPAC) centrándose en la minimización
de la esperanza condicional de un resultado catastrófico dado que ha ocurrido un accidente.
Propone un modelo de programación fracciona] lineal discreto que es resuelto mediante un
algoritmo Branch and Bound.
El presente estudio trata eventos de BPAC, incorporando la selección de múltiples rutas para un
conjunto de embarques en un modelo de flujo en redes. La sección 2 se centra en la
determinación de probabilidades, consecuencias esperadas y esperanza condicional de la
consecuencia, dado que ocurre un accidente. La sección 3 presenta una primera formulación
basada en Programación Fracciona! Lineal (Modelo I) para el problema de ruteo de MP,
considerando múltiples embarques, manifestando las ventajas y deficiencias de dicho modelo
respecto de la utilización del modelo de Sherali et al. (1997) para la obtención de una única ruta.
La sección 4 presenta una reformulación lineal de dicho problema (Modelo II), mostrando su
validez y equivalencia respecto del Modelo I. Finalmente la sección 5 presenta una discusión de
los principales resultados y conclusiones de este trabajo.
2
CONSECUENCIAS ESPERADAS EN EL TRANSPORTE DE MP
Aunque la mayoría de los enfoques existentes para problemas de transporte de MP se centran en
el riesgo, no hay acuerdo sobre cómo modelarlos. Sin embargo, existe consenso en que este
ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES ...
349
riesgo está relacionado con la probabilidad y consecuencia de un "suceso indeseable". Se
considera que un suceso indeseable es aquel evento que resulta en un derrame o liberación del
material transportado, a lo que comúnmente se denomina una incidencia. Aunque existe la
posibilidad de un gran número de consecuencias indeseables (tal como daños ambientales,
pérdidas económicas y lesiones), la literatura de evaluación de riesgo se centra en las fatalidades
producto de una incidencia. Aunque este enfoque simplifica el proceso de evaluación, su
resultado final puede estar lejos de representar el riesgo absoluto de una actividad potencialmente
peligrosa. Afortunadamente, para decisiones estratégicas de gestión de MP es necesaria una
comparación de alternativas de riesgos relativos más que una cuantificación del riesgo absoluto.
2.1
Consecuencias y Probabilidades de Incidencia Sobre Los Arcos
Existen diferentes formas de estimar las consecuencias y probabilidades asociadas a una
incidencia: Patel y Horowitz (1994) incorporan el efecto del viento para determinar la difusión de
gases por posibles derrames a través de un modelo de dispersión; Saccomanno y Chan (1985)
asumen que las probabilidades y consecuencias son afectadas por influencias ambientales
aleatorias; Pijawka et al. (1985) considera el estado de preparación de la comunidad y la
calificación del potencial peligro expuesto; Saccomanno y Shortreed (1993) presentan perfiles de
riesgo y profundizan en la segregación entre riesgos sociales e individuales. En el presente
estudio las consecuencias asociadas a una incidencia son medidas según el potencial de producir
fatalidades, el cual es estimado usando el concepto de A-vecindad (Batta y Chiu (1988)): " ...en
caso de que ocurra un accidente de liberación en el traslado del MP, el material derramado
tendrá un radio de dispersión A que depende, entre otros factores, de las propiedades físicas y
químicas de la sustancia en cuestión". Erkut (1995, Erkut y Verter (1998) muestran que ésta es
una simplificación adecuada, pensando en una comparación relativa de alternativas más que una
cuantificación del riesgo absoluto, y efectiva debido a la limitación de datos.
El área determinada por el radio A corresponde al Área de Impacto (Al) para el MP considerado,
y la población que vive dentro de este radio A, que llamaremos Población Expuesta (PE), es la
que podría ser afectada por el derrame del material (ver Figura 1-(a)). Si se inspecciona el Al
como un área de peligro, se puede visualizar la actividad del transporte de MP como el
movimiento de esta área a lo largo de una ruta desde un origen a un destino (0-D) (ver Figura 1(b)). El movimiento del área de peligro confecciona una banda sobre ambos lados de la ruta, que
es la región de posibles impactos (área potencialmente expuesta), y la población dentro de esta
re ión será la población potencialmente expuesta a los ries os de una incidencia.
O
Área
PQ lc:ncialrn ~ntc
EJ:pucsta
J
l·(a): A-vecindad
Área de Im acto
Figura 1-(b): Área potencialmente expuesta a través
del movimiento del área de peligro entre un par O·D
Figura 1: A-vecindad, Área de Impacto y Área potencialmente expuesta
350
Andrés Bronfman C. , Pablo Miranda G. , Rodrigo Garrido H.
Sea PEa la población expuesta sobre el arco a, dado que ocurre una incidencia en dicho arco en el
proceso de traslado del MP. PEa, se puede representar mediante la siguiente expresión:
PEa=1rJ.?Da
(1)
Donde A, es el radio del área de impacto para un derrame de MP, Da la densidad demográfica
asociada al arco a, y La la longitud del arco a. La población afectada dentro de la población
expuesta sobre el arco a, dado que ocurre un accidente de derrame en el traslado del MP,
representará la consecuencia Ca asociada sobre el arco a producto de dicha liberación. Para
propósitos de este estudio, Ca será igual al número esperado de fatalidades, dentro de la
población expuesta, producto de dicha incidencia. Es decir,
Ca =VE·ji · PEa
(2)
Donde VE corresponde al valor económico (US$) de una fatalidad y f1 es la tasa de mortalidad
por habitante expuesto al MP, dado que ocurre una incidencia. Finalmente, se considera la
existencia de una probabilidad de incidencia, Pa, sobre cada uno de los arcos de la red. Ésta
representa la probabilidad de que, dado que un camión con MP está utilizando el arco "a", éste
sufra un accidente derramando el MP sobre la vía. Un análisis para la estimación de
probabilidades sobre arcos puede ser consultado en Bronfman y Garrido (2003) y Erkut y Verter
(1995).
2.2
Probabilidad y Consecuencia Esperada (Riesgo) Sobre una Ruta
Sea un cierto par origen-destino (0-D) y sea p una ruta de O a D conformada por una colección
de n arcos, a través de la cual se enviará un embarque con MP. Sea p; y C¡ la probabilidad de
incidencia y la consecuencia asociada a lo largo del i-ésimo arco de la ruta. Asumiendo que los
valores de las probabilidades de incidencia son de pequeña magnitud (Abkowitz y Cheng, 1988,
señalan que esta probabilidad es del orden de 10-6 a 10-8 por milla viajada), se puede suponer que
p;p1 O V iJ (un buen análisis de las implicancias de este supuesto puede consultarse en Erkut y
Verter, 1998). Utilizando esta aproximación, la probabilidad de incidencia, P(p), y la
consecuencia esperada, CE fth sobre la ruta p están dadas por:
=
n
P(f.J) =
LP;
(3)
n
CE¡,o = Lp;C¡
i=l
2.3
(4)
Concepto de Esperanza Condicional de la Consecuencia (ECC)
Aunque una ruta puede tener una probabilidad muy baja de accidente, o tener asociada una baja
consecuencia esperada, si la consecuencia potencial al incurrir en un accidente es alta, entonces
no es adecuado elegir esa ruta. Este punto de vista es compartido por varios autores que precisan
que la toma de decisiones que afectan la seguridad de la población no se debe basar en la
esperanza matemática tradicional ya que falta incorporar acontecimientos extremos como
aquellos con BPAC. Para considerar estos eventos, Sherali et al. (1997) propone minimizar la
esperanza condicional de la consecuencia (ECC) dado que un accidente catastrófico ha ocurrido,
sujeto a que la probabilidad de incidencia y la consecuencia esperada sean menor o igual a
ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES ...
35]
umbrales especificados. Se define un accidente catastrófico como aquel que tiene una
consecuencia mayor o igual a C*, un valor predeterminado y conocido como "valor crítico". El
objetivo aquí es que una ruta g;; puede tener arcos con probabilidades muy bajas de que un
accidente ocurra, resultando en una baja consecuencia esperada CE p sobre esta ruta. Sin
embargo, si las consecuencias reales asociadas a esta ruta son altas, entonces la ECC sobre esta
ruta, dado que un accidente catastrófico ha ocurrido, puede ser relativamente grande.
Sea f<Jc el conjunto de arcos críticos en g;; para el cual la consecuencia asociada excede C*. Se
asume que cada ruta tiene por lo menos un arco crítico. Así, la ECC de una ruta g;;, dado que ha
ocurrido un accidente catastrófico, puede ser definido como ECC P :
[n lJ
" .t;,P·[u(l-p,)l
ECC
3
=
I
p¡C¡
!E¡D,
(1 - P)
(5)
] <l
iE!fJc
FORMULACIÓN DEL PROBLEMA DE RUTEO MÚLTIPLES EMBARQUES
Sea una red de transporte representada por un grafo dirigido G(N,A), donde N es el conjunto de
nodos, A el conjunto de arcos, yAc el conjunto de arcos críticos de la red. Tes el flujo de MP a
ser transportado entre un cierto par 0-D. Sea fa el flujo de MP sobre el arco a E A, Pa la
probabilidad de que ocurra un accidente de derrame del MP transportado sobre el arco a E A, Ca
la consecuencia incurrida por dicho accidente en el arco a E A. Po y CE0 representan parámetros
de máxima probabilidad de incidencia y consecuencia esperada para el conjunto de flujos sobre la
red. Para cada nodo l E N, B(l) es el conjunto de arcos que salen del nodo l y H(l) es el conjunto
de arcos entrantes al nodo l. El problema de ruteo de múltiples embarques de un MP puede ser
formulado de la siguiente manera (Modelo l):
Modeloll
Min
s.a:
L(PaCa)fajLPJa
aEJ\
aEJ\
T si l = O
fa fa = -OT si l D
{
aE B(l)
aEH (l)
e.O.C
I
I
=
(6)
\!lE N
LPJa ~Po
aE A
L(PaCa )fa ~CEo
aEA
f = Ua :a E A) E F
f a entero
(7)
(8)
(9)
(10)
\faE A
(11)
El modelo propuesto corresponde a un problema de Programación Fracciona] Lineal que puede
ser resuelto (ver anexo) a través del algoritmo de Dinkelbach (Dinkelbach W., 1967, StancuMinasian, 1997), o mediante la transformación de variables propuesta por Chames y Cooper
(1962). El conjunto de condiciones (7) representan las restricciones de equilibrio de flujos. Las
352
Andrés Bronfman C., Pablo Miranda G., Rodrigo Garrido H.
desigualdades (8) y (9) señalan que para el transporte de MP, la probabilidad total de una
incidencia y la consecuencia total esperada deben ser menores o igual a un umbral establecido.
Figura 3: Ejemplo de Irregularidades (ciclos)
al Resolver el Modelo l.
El conjunto (10) constituyen restricciones
(lineales) para la eliminación de ciclos del
tipo C1 y C2 mostrados en la Figura 3, donde
por la naturaleza fracciona! de la función
objetivo (F.O.) estos ciclos ayudan a reducir
(6) debajo del valor correspondiente a la ruta
sin ciclos de 0-D.
Estas restricciones pueden ser escritas de diversas formas, tal como las restricciones de MillerTucker-Zemhin o las de Dantzig-Fulkerson-Johnson (ver Nemhauser y Wolsey, 1988 y
Desrochers y Laporte, 1991), aunque para todas ellas se destaca la naturaleza combinatoria!.
Ejemplo Numérico 1: Para ilustrar el funcionamiento del Modelo I, considerar el envío de T = 3
cargamentos de MP entre el par 0-D sobre la red de la Figura 4. Los atributos en los arcos se
presentan en la Tabla l. Además, sea Po = 1,37·10-2 ; CE0 = 129 (valor monetario asociado al
número esperado de personas afectadas).
!íillil Nodo Generador/ Atractor
Tabla 1: Atributos para Arcos de la
Red de Ejemplo l.
Arco
(a)
1-2
2-4
2-5
3-4
1-3
3-5
4-6
5-6
p,
C, (US$/Evento)
1,86E-06
1,21E-04
2,08E-06
8,80E-04
9,42E-04
9,42E-01
2,77E-04
6,42E-06
3,00E+05
1,16E+04
8,00E+06
1,2 1E+04
1,24E+04
1,24E+02
7,61E+04
4,82E+04
•
Nodo de Transferencia
=D
Figura 4: Red de Transporte, Ejemplo 1
Al resolver el Modelo I, el flujo de MP considerado se distribuye a través de dos rutas; dos
embarques por la ruta 1-73-74-76 y un embarque por la ruta 1-72-74-76. Para esta
configuración, se obtienen los siguientes valores para la ECC, CE y P(-):
ECC{1_ 3_ 4 _ 6 }
1-2- 4- 6
=
23 .893 ;
CE{l-3-4- 6}
1-2-4-6
= 109,9; y
p,(l-3- 4-6)
1-2-4-6
= 4, 60·10-3.
Si se resuelve la misma instancia pero considerando el envío de un sólo embarque (modelo de
Sherali et al., 1997), el modelo selecciona la ruta 1-72-74-76 con los siguientes valores 1:
ECC¡ 1_ 2 _ 4 _ }
6
1
= 57 .623 ;
CE¡ 1_ 2 _ 4 _ }
6
= 23,04; y
1(1_ 2_4 _ 6) = 4, 0·1 o-<~.
Para la resolución de este problema, se considera como parámetros de máxima probabilidad y consecuencia
esperada el equivalente a un tercio de los parámetros máximos utilizados para el problema de envío de 3 embarques.
ANÁLISIS DEL RUTEO DE MATERIALES PEUGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES ...
353
Ahora, siguiendo los pasos de Sherali et al. (1997), al enviar el resto de los embarques por la ruta
selecta, la consecuencia esperada total impuesta a la población y la probabilidad de incidencia
total serían 69,12 y 1,2·10·3 respectivamente (37, 1% y 73,9% menor que la entregada en el
Modelo I) . Por su parte, el valor de la ECC es 58,5% menor para el Modelo I, resultado que es
atractivo desde el punto de visto del control de daños. Sin embargo, esta mejora en la ECC se
alcanza a costa de un riesgo social y probabilidad total mayor. Esto se debe principalmente a que
la determinación de los umbrales máximo de probabilidad y consecuencia esperada asociado a
tres embarques permiten el envío de uno o dos embarques por arcos o rutas de alta probabilidad
y/o consecuencia esperada, respetando los umbrales previamente establecidos. Necesariamente,
el resto de los embarques son enviados por arcos o rutas con muy baja probabilidad y
consecuencia esperada, de modo de respetar los umbrales.
Lo anterior manifiesta un inconveniente no menor para la determinación de umbrales máximos
asociados a la red completa, pese a que este enfoque permite reducir la ECC respecto al envío de
todos los embarques por una única ruta. Esto evidencia nuevas líneas de investigación basadas en
la determinación de umbrales máximos a nivel de rutas, tema actualmente en estudio.
4
FORMULACIÓN LINEAL DE MÍNIMA CONSECUENCIA ESPERADA
Dada la naturaleza multi-objetivo del problema analizado, la formulación planteada en la sección
3 sólo representa una alternativa para abordarlo, la cual se basa en la ECC como objetivo
principal a minimizar. Sin embargo, ésta es una formulación no-lineal compleja de resolver
(como se describe posteriormente), de la cual no se posee información clara respecto a la
identificación y eliminación de ciclos (de hecho, muchos autores formulan el problema de ruteo
de MP utilizando complejas estructuras para la eliminación de ciclos, las que finalmente son
omitidas al implementar sus modelos en casos reales). Para abordar este problema, se plantea una
formulación lineal alternativa, que por un lado reduce la complejidad del problema y por otro
permite un adecuado análisis de la existencia y eliminación de ciclos. Adicionalmente, y a través
de un adecuado manejo de los parámetros del modelo, es posible obtener soluciones equivalentes
a las alcanzadas por el Modelo I.
En esta formulación se considera la CE como objetivo a minimizar, mientras que la ECC es
restringida a un valor máximo, ECC0 , la que luego es escrita como una restricción lineal, tal
como se observa en (14).
Modelo
III
Min
(12)
¿ca· fa· Pa
ae A
(13)
ae A
T
L
ae F(j )e A
fa-
L
ae H(J )A
f a = -T
j=o
j=d
{
e.o.c.
Q
'v'jE N
(15)
354
Andrés Bronfman C. , Pablo Miranda G. , Rodrigo Garrido H.
faentero
VaEA
(16)
La validez de este modelo, a la luz del Modelo I, puede ser analizada en base al problema bicriterio de "Mínima Probabilidad y Mínima CE': dada una solución óptima para dicho problema2
se puede analizar si la ECC asociada presenta un valor "aceptable" (caso en que la solución
original seguirá siendo óptima), y luego, en caso de una respuesta negativa, se puede establecer
una restricción de ECC máxima para dicho problema, ecuación (14). Finalmente si se resuelve el
problema bi-criterio mediante la minimización de la CE y una restricción de probabilidad
máxima, la incorporación de una ECC máxima conduce entonces a la formulación (12)- (16).
4.1
Definición del Parámetro ECC0
Nos concentraremos en la determinación de los umbrales máximos del modelo (12)-(16). En este
caso, se requiere de un parámetro de probabilidad máxima y uno de ECC máxima. Para el
parámetro de probabilidad se considerará el mismo criterio utilizado para Modelo I, puesto que
ya se basa en una adecuado equilibrio entre Probabilidad, CE y ECC. Para el parámetro ECC0 ,
retomaremos la definición de la ECC, la cual puede ser interpretada como el promedio
ponderado, basada en flujos y probabilidades de las consecuencias o riesgos de los arcos
utilizados, como se observa en la ecuación (17).
ECC
= (~ca· fa· Pa J/(~fa ·Pa J= ~Ca ·aa
con
aa =fa·
P/(~fa ·Pa )
(17)
De este modo ECC0 debe tener las mismas unidades y magnitudes que las consecuencias de los
arcos. Ahora bien, la ruta de mínima probabilidad de incidencia (RMP) claramente es una
solución que presenta una excesiva o elevada ECC, por lo cual este valor puede ser utilizado
como cota máxima inicial. De esta forma, es posible sensibilizar el parámetro ECCo considerando
los valores de consecuencias existentes en los arcos de la red y umbral máximo dado por la RMP.
Sin embargo, para la aplicación expuesta en este artículo, y dado que se conoce la solución
óptima del Modelo I para la instancia analizada, se consideró el valor óptimo de la ECC como
parámetro inicial de la sensibilización.
Ejemplo Numérico 11: Considérese la misma instancia descrita en el ejemplo numérico I para el
envío de T = 3 cargamentos de MP entre el par 0-D (Figura 4 y Tabla 1). Inicialmente, se
considera como umbral ECC0 = 23 .990 (US$ por evento). Al resolver esta instancia a través del
Modelo II, el flujo de MP se distribuye en dos embarques por la ruta 1---73---74---76 y un embarque
por la ruta 1---72---74---76, obteniendo la misma solución alcanzada por el Modelo I. De este modo,
se muestra que es posible, a partir de la determinación apropiada de este parámetro, obtener
soluciones equivalentes a las entregadas por el Modelo I.
Al ir variando 10% el valor inicial de ECC0 (Tabla 2), se obtienen soluciones que manifiestan el
trade-off existente entre la ECC, la CE y la probabilidad de incidencia obtenida. Notar que al
aumentar el umbral máximo ECC0 , resulta en soluciones con menor consecuencia esperada (CE)
y adicionalmente una menor probabilidad total de incidencia, a costa de un aumento en la ECC.
2
Por ejemplo, la solución óptima al problema bi-criterio puede ser obtenida en base preferencias asociadas a la
desviación de dichos objetivos con relación a sus respectivos óptimos o ideales individuales.
ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES ...
355
Tabla 2: Variación de la CE y P(·) en función del umbral máximo ECC0
Variación ECCo
-10%
0%
+10%
+20%
+30%
+40%
+50%
+60%
4.2
ECC
20.681
!3.893
24.790
24.790
30.873
33.459
33.459
36.997
ECCo
21.591
23.990
26 .389
28.788
31.187
33.586
35.985
38.384
CE
130,2
109,9
104,3
104,3
89,5
84,0
84,0
78,4
P(·)
6,30·10'3
4 ,60·10' 3
4,21·10' 3
4,21 ·10' 3
2,90·10' 3
2,51·10' 3
2,51·10' 3
2,12-10'3
Rutas (Flujo)
1-3-4-6 (3)
1-3-4-6 (2); 1-2-4-6 (1)
1-3-4-6 (2); 1-2-5-6 (1)
1-3-4-6 (2) ; 1-2-5-6 (1)
1-3-4-6 (1) ; 1-2-4-6 (2)
1-3-4-6 (1); 1-2-4-6 (1); 1-2-5-6 (1)
1-3-4-6 (1); 1-2-4-6 (1); 1-2-5-6 (1)
1-3-4-6 (1); 1-2-5-6 (2)
Análisis de Existencia y Eliminación de Ciclos
En esta sección nos concentramos en la búsqueda de rutas para un sólo embarque, permitiendo
establecer restricciones de eliminación de ciclos para el Modelo II basados en el "uso de arcos"
más que para los flujos sobre ellos. Sea el problema selección de rutas entre un par 0-D, de modo
de minimizar la probabilidad de ocurrencia del primer accidente, problema (18). Sea Xl una
solución óptima a dicho problema, es decir, X1 representa una RMP. Como se verá, los
resultados obtenidos no dependen de la función objetivo, F.O. (salvo de su linealidad), por lo que
puede ser extendida al problema de mínima consecuencia esperada o al problema bi-criterio
respectivo.
(a)
Min
LXa · Pa
aEA
s.a:
¿ x"- aEH(j)
:¿ x" = { -110
aEB(j)
Xa
E
j=O
j=D
e.o.c.
'djE N
(b)
(18)
(e)
(0,1)
Supongamos que queremos restringir las soluciones del problema (18) a una máxima ECC dado
que ocurre un accidente, según la restricción (19), donde ECC0 es el valor máximo aceptable.
(f.;
ca· X a· Pa
)/(f.;xa ·
Pa )
~ ECC
(19)
0
aEA
Si X1 satisface la restricción (19) entonces seguirá siendo óptima. Por el contrario, si X1 no la
satisface, entonces desearemos encontrar una solución alternativa a través del problema (20).
Min
LX a· Pa
aEA
(20b),(20c),(21)
s.a:
(20)
Sea X2 una solución óptima de (20), considerando soluciones que no presentan ciclos, es decir:
X2=
ArgMin
LXa·Pa
aEA
(21)
s.a: (20b),(20c) ,(21)
XEX
donde X
E
X asegura que las ruta X no presente ciclos. Sea un ciclo
F.O.(Xl) + F.O .(C) ~ F.O.(X2) ~
e tal que:
F.O.( C) ~ F.O.(X2)- F.O.(Xl)
LPa·(Ca-Co)<O
¿xa. Pa ·(ca -ECCa)+ LPa ·(ca -ECCo) ~o
aEA
aEC
(22)
(23)
(24)
356
Andrés Bronfman C. , Pablo Miranda G., Rodrigo Garrido H.
Así, el agregar el ciclo C a la solución Xl transforma a ésta en una solución factible en términos
de la restricción (19), presentando además un valor de la F.O. menor al óptimo sin ciclos,
F.O.(X2). Obviamente, igual que en el Modelo I, soluciones con presencia de ciclos son
consideradas inaceptables, manifestándose nuevamente la necesidad de incorporar restricciones
de eliminación de ciclos en la formulación. Sin embrago, es interesante notar que la ecuación
(23) nos está entregando además un criterio para la identificación de ciclos, de tal modo que:
No es necesario incorporar restricciones de eliminación para cada uno de los potenciales
ciclos existentes en la red, sino que sólo para aquellos que cumplan con la condición (23).
En caso de utilizar un esquema de planos cortantes, u otros similares, donde en cada iteración
se incorpore restricciones de corte para los ciclos que se generan, este procedimiento debiera
detenerse con un número de restricciones anti-ciclos inferior a la cantidad total de ciclos
potenciales, con lo cual se presenta como una interesente alternativa de implementación.
Si nos concentramos exclusivamente en arcos con consecuencias catastróficas para la ECC
(A c), como se analiza en este artículo, la restricción (23) debe establecerse sólo para dichos
arcos, reduciendo aún más la cantidad de ciclos relevantes para la incorporación de
restricciones de eliminación de ciclos.
De esta forma, se ha incorporado un número reducido de restricciones eliminación de ciclos con
resultados bastante satisfactorios. En particular, se establecieron restricciones para arcos bidireccionales, según:
X
a
={O1
=0
fa
f a >O
(25)
donde i(a) define el inicio del arco a y t(a) define el término del arco. Adicionalmente, se observó
que incorporar restricciones de "capacidad", como la ecuación (26), elimina gran parte de los
ciclos generados.
fa $.T
Va E A
(26)
De este modo, pese a la naturaleza combinatoria! de las restricciones de eliminación de ciclos, se
estableció un conjunto reducido de estas, ecuaciones (25) y (26), logrando el objetivo buscado.
5
DISCUSIÓN DE RESULTADOS Y CONCLUSIONES
En este artículo se analiza el ruteo de materiales peligrosos (MP) considerando el envío de
múltiples embarques entre un par Origen-Destino, y bajo la existencia de eventos de baja
probabilidad y alta consecuencia (BPAC). En este análisis se considera una estructura de red,
permitiendo una adecuada representatividad de la situación analizada.
En primer lugar se muestra que una modelación explícita de múltiples embarques presenta
ventajas en cuanto al control de la esperanza condicional de la consecuencia (ECC), dado que
ocurre un accidente catastrófico en las rutas seleccionadas. Lo anterior, en comparación con la
utilización de un enfoque que encuentre una única ruta. Se utiliza un modelo de Programación
Fracciona! Lineal Entera que minimiza la ECC, sujeto a umbrales máximos para la probabilidad y
consecuencia esperada, como extensión al modelo de un embarque presentado en Sherali et al.
(1997). Posteriormente se presenta una reformulación lineal del problema estudiado, permitiendo
la obtención de soluciones análogas a las entregadas por el modelo anterior, pero con un esfuerzo
ANÁLISIS DEL RUTEO DE MATERIALES PELIGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES...
357
computacional significativamente menor. Adicionalmente esta formulación permite un
interesante y útil análisis de la existencia de ciclos, simplificando el proceso de incorporación de
restricciones de eliminación de ciclos. Se destaca que en aplicaciones adicionales sobre la red
estratégica urbana de Santiago de Chile, la incorporación de restricciones de eliminación de
ciclos relativamente simples y representando un conjunto significativamente más pequeño que la
totalidad de potenciales ciclos existentes en la red, permitió la completa eliminación de ellos.
En las experiencias realizadas, se observa la selección de diversas rutas, dentro de las cuales
algunas presentaron una elevada probabilidad y consecuencia esperada (respetando umbrales
globales de probabilidad y consecuencia máxima aceptable), de modo de reducir la ECC
respecto a la búsqueda de una única ruta de mínima ECC (con umbrales de probabilidad y
consecuencia esperada máxima asociados a un sólo embarque). En este sentido, se manifiesta la
complejidad de la determinación de estos umbrales globales para el sistema, planteándose la
necesidad de enfoques alternativos para la determinación de dichos parámetros. Se destaca, a
modo de investigación futura, la posibilidad de utilización de métodos secuenciales que permitan
encontrar rutas basadas en la selección previa de rutas para los primeros embarques, la utilización
de métodos basados en la búsqueda de K rutas mínimas (ver Akgün et al., 2000), y finalmente la
utilización de un modelo simultáneo que considere umbrales máximos a nivel de rutas (por
ejemplo, a partir de la búsqueda de T rutas simultáneas, con un umbral común para cada una de
ellas).
De esta forma, se presenta una herramienta útil y adecuada que permite controlar los riesgos a los
cuales esta expuesta la población producto del permanente envío de MP en redes urbanas
densamente pobladas. Si bien en este artículo se presenta sólo una pequeña aplicación a partir de
la cual se discuten los principales resultados (especialmente para efectos pedagógicos), se destaca
que los resultados presentados en este artículo fueron análogos a los obtenidos en aplicaciones
sobre una red de gran tamaño (5790 arcos y 2030 nodos) que representa la red de transporte de la
ciudad de Santiago de Chile.
6
ANEXO
El problema dado por (6) corresponde a un problema de programación fracciona! lineal cuya
estructura básica está dada por la siguiente expresión (con g(x) >O V x E X):
supf(x)
XEX
(P)
g(X)
En nuestro caso, la ecuación (6) es una función semi-estrictamente cuasi-cóncava sobre X, y esta
propiedad (considerando g(x) y f(x) funciones continuas) asegura que un máximo local de (P) es
un máximo global, ver Stancu-Minasian (1997) y Avriel (1988). Una de las estrategias más
populares para este tipo de problemas es el enfoque paramétrico, que considera la clase de
problemas de optimización asociados con (P) dado por:
sup{f(x)-Ag(x)}
(P¡J
XEX
Con A, E 9\. Se considera la función F: 9\--79\ dada por: F(-1) := Max{f(x) -A-g(x)}
XEX
358
Andrés Bronfman C. , Pablo Miranda G. , Rodrigo Garrido H.
Ahora, resolver (P) es equivalente a encontrar la raíz única de la ecuación uní-variable F(A) = O.
Utilizando este enfoque, Dinkelbach W. (1967) desarrolló el siguiente algoritmo para problemas
de programación fracciona] lineales y no lineales generando , el cual se detalla a continuación:
Paso O. Tomar x 0
E
X, calcular A, := f(xo) y sea k: = 1;
g(xo)
Paso l. Determinar xk := argMa.x{f(x)-~g(x)};
XEX
Paso 2. lf F(}-.k) =O
Then xk es la solución óptima para (P) con valor "Ak y PARAR.
Else, ir a Paso 3;
1 +l ·k) , sea k·.-- k + 1, e 1r
· a1 Paso 1.
Paso 3 . S ea "'<
.-f(x
--
g ( xk)
Es fácil mostrar que la sucesión Ak, k ~ 1 generada por el algoritmo de Dinkelbach es creciente y
satisface limk __ Ak = A• con A• = v(P), ver Dinkelbach W. (1967) y Schaible S. (1976). En
general, el enfoque paramétrico también se usa para el problema de programación fracciona!
entero. Esto se debe principalmente a que los resultados derivados para el enfoque paramétrico
todavía son válidos cuando X es un conjunto discreto, tal como se muestra en Grunspan y
Thomas (1973).
REFERENCIAS
Abkowitz, M. y P. Cheng. (1988). Developing a Risk-Cost Framework for Routing Truck
Movements ofHazardous Materials. Accid. Anal. Prevent. 20, 39-51.
Akgün, V., E. Erkut y R. Batta. (2000). On Finding Dissimilar Paths. European Journal of
Operational Research 121, 232-246.
Avriel, M., W .E. Diewert, S. Schaible and l. Zang (1988) Generalized Concavity. Mathematical
Concepts and Methods in Science and Engineering, Plenum Press, New York.
Batta, R. y S. Chiu. (1988). Optimal Obnoxious Paths on Network: Transportation of Hazardous
Materials. Operation Research 36, 84-92.
Bronfman, C. A. y R.A. Garrido. (2003) Probabilidades y Consecuencias Asociadas a Eventos
Catastróficos en el Transporte de Materiales Peligrosos. Departamento de Ingeniería de
Transporte, Pontificia Universidad Católica de Chile, Santiago de Chile.
Charnes, A. y W. W. Cooper. (1962). Programming With Linear Fractionals. Naval Research
Logistics Quarterly 9, 181 -186.
Desrochers, A. y G. Laporte. (1991) . Improvements and Extensions to the Miller-Tucker-Zemlin
Subtour Elimination Constraints. Operation Research Letter 10, 27-36.
Dinkelbach W. (1967). On Nonlinear Fractional Programming. Management Science 13, 492498.
ANÁLISIS DEL RUTEO DE MATERIAlES PEUGROSOS PARA UNA SITUACIÓN UNIPRODUCTO Y DE MÚLTIPLES..
359
Erkut, E. (1995). On the Credibility of the Conditional Risk Model for Routing Hazardous
Materials. Operations Research Letters 18, 49-52.
Erkut, E. y V. Verter. (1995) In Facility Location: A Survey of Applications and Methods(Ed,
Drezner, Z.) Springer-Verlag, New York.
Erkut, E. y V. Verter. (1998). Modeling of Transport Risk for Hazardous Materials. Operation
Research 46, 625-642.
Grunspan, M. y M. E. Thomas. (1973). Hyperbolic Integer Programming. Naval Research
Logistics Quarterly20, 341-356.
Jin, H. y R. Batta. (1997). Objetives Derived From Viewing Hazmat Shipments as a Sequence of
lndependent Bemoulli Trials. Transportation Science 31, 252-261.
Jin, H., R. Batta y M.H. Karwan. (1996). On the Analysis of Two New Models for Transporting
Hazardous Matenrials. Operation Research. 44, 710-723.
Nernhauser, G. L. y L. A. Wolsey. (1988) Integer and Combinatorial Optimization. John
Wiley & Sons, Inc., New York.
Patel, M. H. y A. J. Horowitz. (1994). Optimal Routing of Hazardous Materials Considering Risk
of Spill. Transportation Research PartA 28A, 119-132.
Pijawka, K. D., S. Foote. y A. Soesilo. (1985). Risk Assessment of Transporting Hazardous
Material: Route Analysis and Hazard Management. Transportations Research Record 1020, 1-
6.
Saccomanno, F. F. y A. Chan. (1985). Econornic Evaluation of Routing Strategies for Hazardous
Road Shipments. Transportation Research Record 1020, 12-18.
Saccomanno, F. F. y J.H. Shortreed. (1993). Hazardous Material Transport Risk: Societal and
Individual Perspectives. Journal of Transportation Engineering 119, 177-188.
Schaible S. (1976). Fractional prograrnrning II, on Dinkelbach's algorithm. Management Science
22, 868-873.
Sherali, H. D., L. D. Brizendine, T.S. Glickrnan y S. Subrarnanian. (1997). Low Probality- High
Consecuence Considerations in Routing Hazardous Material Shipments. Transportation Science
31, 237-251.
Sivakumar, R. A., R. Batta y M.H. Karwan. (1993). A Network-Based Model for Transporting
Extremely Hazardous Materials. Operation Research Lett. 13, 85-93.
Sivakumar, R. A., R. Batta y M. H. Karwan. (1995). A Multiple Route Conditional Risk Model
for Transporting Hazardous Matenials. Information Systems and Operational Research 33,
20-33.
Stancu-Minasian, l. M. (1997) Fractional Programming: Theory, Methods and Applications.
Kluwer Acadernic Publishers.